浮点数 == 比较总返回 False，因 0.1、0.2 在二进制中为无限循环小数，IEEE 754 双精度截断导致 0.1 + 0.2 实际为 0.30000000000000004，与 0.3 的近似值不同；math.isclose() 更可靠。

浮点数 == 比较为什么总返回 False

因为 0.1、0.2 这类十进制小数在二进制中是无限循环小数，IEEE 754 双精度只能存 52 位尾数，必须截断——所以 0.1 + 0.2 实际存储的是 0.30000000000000004，而 0.3 存的是另一个近似值，两者内存表示不同，== 自然返回 False。这不是 Python 的 bug，Java、C、JavaScript 全都一样。

math.isclose() 的 rel_tol 和 abs_tol 怎么设

直接用 math.isclose(a, b) 比手写 abs(a - b) 更稳妥，因为它同时考虑相对误差和绝对误差：

• rel_tol=1e-09（默认）适合比较数量级相近的数，比如 123.456 和 123.457
• abs_tol=1e-09（默认）必须显式设，尤其当其中一个数接近 0 时——否则 rel_tol 在分母趋近 0 会失效，比如判断 result 是否收敛到 0.0
• 金融场景慎用 math.isclose：它仍是浮点运算，建议先转整数或 Decimal 再比

Decimal('0.1') + Decimal('0.2') == Decimal('0.3') 为什么能成立

因为 Decimal 是十进制精确算术，不经过二进制转换：

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

• ✅ 必须用字符串初始化：Decimal('0.1') —— 字面量精度被完整保留
• ❌ 绝对不能用 float 初始化：Decimal(0.1) —— 此时 0.1 已经是二进制近似值，再包装也没用
• ⚠️ getcontext().prec 控制的是有效数字位数，不是小数位数；多线程中要用 localcontext() 隔离，避免互相污染

哪些场景其实可以放心用 float ==

不是所有地方都要上 Decimal 或容差判断：

立即学习“Python免费学习笔记（深入）”；

• 图形渲染坐标、归一化向量长度、机器学习训练中的梯度更新：硬件加速依赖 float，人眼/模型对 1e-5 级误差不敏感
• GPS 坐标、加速度计原始读数：设备自身误差（米级、百分之一 g）远大于浮点表示误差
• 但凡涉及金额、阈值触发、单元测试断言、收敛判断——一律禁用 ==

真正容易被忽略的，是那些“看起来安全”的边界情况：比如用 while x != 1.0: 控制循环，一旦 x 因累加误差变成 0.9999999999999999，就卡死；或者把 float 直接塞进字典键，导致重复插入。